협업지능 솔루션
다임 리서치의 핵심 제품인 “로봇 협업 인텔리전스”, 솔루션은 구글 딥마인드 알파고로 세상에 알려진
강화학습 (Reinforcement Learning) 기술과 고도의 산업 시뮬레이션 기술을 기반으로 개발되었습니다.
이미 반도체, LCD/OLED 평판 디스플레이 현장에 적용하여 그 가능성을 검증 받았습니다.
Collaborative
OHT Controller
-
Collaborative OHT controller 는 반도체 공장에서 주로
사용되는 물류 로봇인 Overhead Hoist Transport Vehicle(OHT)의의사결정을 수행합니다. -
AI 기반 제어 알고리즘이 반도체 물류 로봇간 상호 협업을
구현하여 공장 전체의 생산성을 혁신적으로 개선합니다. -
공장에서 다수의 OHT Vehicle이 만드는 혼잡을 최소화하여
지연 없는 원활한 물류 시스템 운영이 가능합니다. -
물류 패턴 변화, 기기 고장 등 공장 상황 변화에 능동적이고
유연하게 대처합니다.
관련 논문 및 학회 발표
-
Hwang, Illhoe, and Young Jae Jang. "Q (λ) learning-based dynamic route guidance algorithm for overhead hoist transport systems in semiconductor fabs." International Journal of Production Research 58.4 (2020): 1199-1221.
-
Illhoe Hwang, Sang Pyo Hong, Young Jae Jang, Sunil Kim and In-Ho Moon, "System Design and Development of the Q-Learning Based Overhead Hoist Transport (OHT) for Semiconductor Fabs," Preceedings of the 2018 International Symposium on Semiconductor Manufacturing Intelligence (ISMI), 2018
Collaborative
STK Scheduler
-
Collaborative STK Scheduler는 디스플레이 공장에서 주로
사용되는 물류 로봇인 Stocker(STK) 내 크레인의 의사결정을
수행합니다. -
AI 기반 스케줄링을 통해 크레인 간 간섭을 최소화하여
기존 Stocker 시스템을 그대로 활용하면서 물류 이송 효율을
극대화합니다. -
인공 신경망을 이용하여 물류가 변화해도 최적의 운송 스케줄이
가능합니다. -
다양한 크레인 스펙과 공장 레이아웃에 적용 가능합니다.
관련 논문 및 학회 발표
-
Hwang, Seol, Sang Pyo Hong, and Young Jae Jang.
"Dynamic Scheduling of the Dual Stocker System Using Reinforcement Learning." IFIP International
Conference on Advances in Production Management Systems. Springer, Cham, 2018.
